语言大模型 / LLM

Large language models for partial differential equation workflows

用于偏微分方程工作流的大语言模型

Han Wan, Rui Zhang, Hao Sun

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文探讨大语言模型（LLMs）辅助偏微分方程（PDE）工作流在模型构建、求解器生成等阶段的进展，指出其受限于数据集稀缺与仿真-现实差距，是科学AI系统开发的关键试验台。

OntoLogX: Ontology-Guided Knowledge Graph Extraction from Cybersecurity Logs with Large Language Models

OntoLogX：基于大型语言模型的面向网络安全日志的知识图谱提取

Luca Cotti, Idilio Drago, Anisa Rula, Devis Bianchini, Federico Cerutti

机构 * Department of Information Engineering, University of Brescia, Italy（博洛尼亚大学信息工程系，意大利） ； Department of Computer Science, University of Turin, Italy（都灵大学计算机科学系，意大利） ； School of Computer Science and Informatics, Cardiff University, United Kingdom（卡迪夫大学计算机科学与信息学学院，英国） ； Department of Electronics and Computer Science, University of Southampton, United Kingdom（南安普顿大学电子与计算机科学系，英国） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 OntoLogX利用大型语言模型和知识图谱技术，从网络安全日志中提取结构化信息，通过检索增强生成和迭代校正，生成符合语义的知识图谱，并预测MITRE ATT&CK战术。

Comments 24 pages, 2 tables, 7 listings, 8 figures

Large Language Models as Automatic Annotators and Annotation Adjudicators for Fine-Grained Opinion Analysis

大语言模型作为细粒度意见分析的自动标注者和标注裁决者

Gaurav Negi, MA Waskow, John McCrae, Omnia Zayed, Paul Buitelaar

机构 * Data Science Institute（数据科学研究所） ； University of Galway（Galway大学） 纠错

专题命中 领域大模型 ：LLM(summary_cn,abstract)；large language model(title)；language model(title)；分类 cs.CL

AI总结 本文探索使用大语言模型作为自动标注者进行细粒度意见分析，提出声明式标注流水线和LLM裁决方法，实验表明LLM在跨度级别可靠但难以再现关系结构，更适合作为标注助手而非完全替代人类。

Improving Rare Medication Recommendation with Counterfactual Data Augmentation and Large Language Models

通过反事实数据增强和大语言模型改进罕见药物推荐

Shinhwan Kang, Soo Yong Lee, Jaewon Kim, Kijung Shin, Buru Chang

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；instruction tuning(abstract)

AI总结 针对现有方法在推荐罕见药物时性能低的问题，提出GenRxR框架，利用大语言模型生成反事实数据缓解数据稀缺，集成大语言模型建模联合推荐药物关系，经指令调整增强临床推理，实验显示其性能优于多个基线。

Comments Accepted for publication at the 20th ACM Conference on Recommender Systems (RecSys 2026)

VeriLLMed: Interactive Visual Debugging of Medical Large Language Models with Knowledge Graphs

VeriLLMed: 基于知识图谱的医疗大语言模型交互式可视化调试

Yurui Xiang, Xingyi Mao, Rui Sheng, Zixin Chen, Zelin Zang, Yuyang Wu, Haipeng Zeng, Huamin Qu, Yushi Sun, Yanna Lin

机构 * IEEE 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 本文提出VeriLLMed系统，通过整合外部生物医学知识，帮助开发者审计和调试医疗大语言模型的诊断推理过程，识别三种常见诊断错误类型，提升模型可靠性。

Comments Accepted by VIS 2026

DN-Hypo-Pipeline: An AI-Driven Workflow for Generating Hypotheses using Large Language Models and Scientific Explanations

DN-Hypo-Pipeline：一种基于大语言模型和科学解释的AI驱动假设生成工作流

Lei Lin, Xinlong Pan, Ronghao Wang, Chunbao Zhou, Jue Wang, Yangang Wang, Ivana Rasovska

机构 * Computer Network Information Center, Chinese Academy of Sciences, China（中国科学院计算机网络信息中心） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract_cn)；prompting(abstract)

AI总结 提出DN-Hypo-Pipeline，利用大语言模型和科学解释作为先验知识，从现有文献中推导新假设，在数据科学建模中通过统计推断和专家评估证明优于直接生成方法，并验证了生成假设对应的算法性能。

LLM4EHR: Aligning Clinical Time Series with Medical Event Sequences via Large Language Models

LLM4EHR：通过大语言模型将临床时间序列与医疗事件序列对齐

Jingteng Li, Alexander Capstick, Louise Rigny, Iona Biggart, Neil J Sebire, Payam Barnaghi

机构 * UK Dementia Research Institute（英国痴呆症研究所） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；foundation model(abstract)

AI总结 研究聚焦临床机器学习中重症监护室结果预测，提出LLM4EHR模型，结合领域适应大语言模型与变压器TS编码器，通过时间对齐EHR事件和TS预训练，能学习鲁棒可转移表示，提升下游临床任务性能，助力构建更好临床基础模型。

Multi-Large Language Model Orchestrated Severity Assessment of Clinical Records (MOSAIC)

临床记录的多大型语言模型编排严重程度评估（MOSAIC）

Manuela Del Castillo Suero, Arnault-Quentin Vermillet, Nicole Sonne Heckmann, Darmendra Ramcharran, Maurizio Sessa

机构 * Department of Drug Design and Pharmacology, University of Copenhagen（哥本哈根大学药物设计与药理学系） ； GSK（葛兰素史克） ； School of Pharmacy, University of Rhode Island（罗德岛大学药学院） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 研究用MOSAIC这一两阶段智能语言模型框架对2型糖尿病严重程度进行表型分析，以合成队列评估其与多种算法真值对比情况及全因死亡率等，结果显示该框架有优势，智能分类与固定规则执行不同。

When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments

当AI遇见金融（StockAgent）：基于大语言模型的模拟真实环境股票交易

Chong Zhang, Xinyi Liu, Zhongmou Zhang, Mingyu Jin, Lingyao Li, Zhenting Wang, Wenyue Hua, Dong Shu, Suiyuan Zhu, Xiaobo Jin, Sujian Li, Mengnan Du, Yongfeng Zhang

机构 * University of Liverpool（利物浦大学） ； Peking University（北京大学） ； Shanghai University of Finance（上海金融学院） ； Rutgers University（罗格斯大学） ； University of Michigan（密歇根大学） ； Northwestern University（西北大学） ； New York University（纽约大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； New Jersey Institute of Technology（新泽西理工学院） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 提出基于大语言模型的多智能体系统StockAgent，模拟真实股票交易环境，评估外部因素对交易行为的影响，并避免测试集泄露问题。

Comments 33 pages, 10 figures. Published in ACM Transactions on Intelligent Systems and Technology (TIST)

Let Them Steal: Trapping Large Language Model Extraction Attacks with Knowledge Honeypot

让他们偷：用知识蜜罐诱捕大语言模型提取攻击

Yuyang Dai, Yushun Dong

机构 * Florida State University（佛罗里达州立大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 提出知识陷阱防御方法，通过蜜罐知识图和面包屑引导消耗攻击者查询预算，在保持合法用户性能的同时降低替代模型一致性6.2%。

Comments 16 pages

Is ChatGPT Fair for Recommendation? Evaluating Fairness in Large Language Model Recommendation

ChatGPT 在推荐中是否公平？评估大语言模型推荐的公平性

Jizhi Zhang, Keqin Bao, Yang Zhang, Wenjie Wang, Fuli Feng, Xiangnan He

机构 * University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 针对大语言模型推荐（RecLLM）可能存在的偏见，提出公平性基准 FaiRLLM，包含精心设计的指标和涵盖8个敏感属性的数据集，评估发现 ChatGPT 在推荐中仍存在不公平现象。

Comments Accepted by Recsys 2023 (Short). Typo corrections

Building Social World Models with Large Language Models

用大型语言模型构建社会世界模型

Haofei Yu, Yining Zhao, Guanyu Lin, Jiaxuan You

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 领域大模型 ：LLM(summary_cn,abstract_cn)；large language model(title)；language model(title)；foundation model(abstract)

AI总结 提出社会世界模型（SWM）框架，利用LLM从社会数据中挖掘时间模式，学习社会信念的状态转移函数，无需人工标注或普查数据，在预测市场基准上超越时序基础模型。

Comments 9 pages. ICML 2026

Data-Driven Discovery of Interpretable Kalman Filter Variants through Large Language Models and Genetic Programming

基于大数据驱动的可解释卡尔曼滤波变种发现：通过大规模语言模型和遗传编程

Vasileios Saketos, Sebastian Kaltenbach, Sergey Litvinov, Petros Koumoutsakos

机构 * University of Reading（reading大学） ； University of Cambridge（剑桥大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.LG

AI总结 本文探讨通过遗传编程和大规模语言模型自动发现卡尔曼滤波变种的可能性，展示框架在不同条件下发现最优解及可解释替代方案的能力。

Mutation Without Variation: Convergence Dynamics in LLM-Driven Program Evolution

无变异的突变：LLM驱动的程序进化中的收敛动力学

Can Gurkan, Forrest Stonedahl, Uri Wilensky

机构 * Northwestern University（西北大学） ； Augustana College（奥古斯塔纳学院） 纠错

专题命中 领域大模型 ：LLM(title,title_cn)；分类 cs.AI；large language model(comments)；language model(comments)

AI总结 研究LLM在无选择压力下反复变异程序时，是否探索新形式或循环回到旧形式，发现LLM变异一致收敛到受限吸引子区域，结构层面87%的链中超过93%的变异重复先前结构形式。

Comments Accepted to the Genetic and Evolutionary Computation Conference (GECCO '26) Workshop on Large Language Models for and with Evolutionary Computation

Evaluating Large Language Models in Dynamic Clinical Decision-Making with Standardized Patient Cases

评估大型语言模型在标准化病人案例中的动态临床决策能力

Cheng Liang, Pengcheng Qiu, Ya Zhang, Yanfeng Wang, Chaoyi Wu, Weidi Xie

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(summary_cn)；分类 cs.CL

AI总结 本文提出MedSP1000基准，通过标准化病人案例模拟动态临床交互，评估LLM在信息收集、治疗计划和长期管理中的表现，发现当前模型在过程级评估中远未达到临床安全标准。

The Daily Dose: Workflow-Integrated Large Language Model Automation for Clinical Summarization and Trial Identification in Radiation Oncology

每日剂量：工作流集成的大型语言模型自动化在放射肿瘤学中的临床总结和试验识别

Jason Holmes, Federico Mastroleo, Mariana Borras-Osorio, Srinivas Seetamsetty, Satomi Shiraishi, Mirek Fatyga, Judy C. Boughey, Cornelius A. Thiels, William G. Breen, Daniel J. Ma, Daniel K. Ebner, David M. Routman, Brady S. Laughlin, Carlos E. Vargas, Samir H. Patel, Sujay A. Vora, Nadia N. Laack, Andrew Y. K. Foong, Wei Liu, Mark R. Waddle

机构 * Department of Radiation Oncology, Mayo Clinic, Phoenix, AZ, United States（辐射肿瘤科，梅奥诊所，凤凰城，亚利桑那州，美国） ； Department of Radiation Oncology, Mayo Clinic, Rochester, MN, United States（辐射肿瘤科，梅奥诊所，罗切斯特，明尼苏达州，美国） ； Division of Radiation Oncology, IEO, European Institute of Oncology, IRCCS, Milan, Italy（放射肿瘤学部，IEO，欧洲肿瘤研究所，IRCCS，米兰，意大利） 纠错

专题命中 领域大模型 ：LLM(summary_cn,abstract)；large language model(title)；language model(title)；分类 cs.CL

AI总结 本文介绍了一个名为“每日剂量”的LLM驱动的自动化临床总结和临床试验识别系统，该系统集成到常规放射肿瘤学实践中，并通过混合方法评估其可用性、满意度和感知有用性，结果显示高使用率和满意度。

Comments 28 pages, 4 figures, 1 table

A Scoping Review of Large Language Model-Based Pedagogical Agents

基于大语言模型的教育代理的综述

Shan Li, Juan Zheng

机构 * Department of Education and Human Services, College of Education, Lehigh University（教育与人类服务学院，教育学院，莱维大学） ； Department of Community and Global Health, College of Health, Lehigh University（社区与全球健康学院，健康学院，莱维大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文综述了大语言模型在教育环境中的应用，探讨了教育代理的设计维度、发展趋势及研究空白，为未来研究提供指导。

A Large Language Model Based Pipeline for Review of Systems Entity Recognition from Clinical Notes

基于大型语言模型的临床笔记中系统回顾实体识别流程

Hieu Nghiem, Zhuqi Miao, Hemanth Reddy Singareddy, Jivan Lamichhane, Abdulaziz Ahmed, Johnson Thomas, Dursun Delen, William Paiva

机构 * Department of Computer Science（计算机科学系） ； Department of Management（管理系） ； Department of Medicine（医学系） ； Center for Health Systems Science and Information Systems（健康系统科学与信息系统中心） ； The State University of New York（纽约州立大学） ； Upstate Medical University（上州医学院） ； Oklahoma State University（俄克拉荷马州立大学） ； Innovation New Paltz（新帕尔茨创新中心） ； Department of Health Services（健康服务系） ； Center for Health Systems（健康系统中心） ； Science and Information Systems University of Alabama at Stillwater, OK, USA（阿拉巴马大学仍水分校） ； Innovation Birmingham, AL, USA（伯明翰创新中心） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 本文提出了一种基于大型语言模型的流程，用于从临床笔记中自动提取系统回顾实体，通过开源模型和新算法提升识别精度与效率。

Comments Accepted by IEEE EMBC 2026. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

MicroWorld: Empowering Multimodal Large Language Models to Bridge the Microscopic Domain Gap with Multimodal Attribute Graph

MicroWorld: 通过多模态属性图赋能多模态大语言模型，弥合微观领域差距

Manyu Li, Ruian He, Chenxi Ma, Weimin Tan, Bo Yan

机构 * Shanghai Key Laboratory of Intelligent Information Processing（上海智能信息处理关键实验室） ； School of Computer Science, Fudan University（复旦大学计算机科学学院） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 MicroWorld通过构建多模态属性图增强多模态大语言模型在微观领域的能力，无需领域微调即可提升推理性能，实验显示在MicroVQA和MicroBench基准上均取得显著提升。

Comments 29 pages, 14 figures

DCGL: Dual-Channel Graph Learning with Large Language Models for Knowledge-Aware Recommendation

DCGL: 基于大语言模型的双通道图学习用于知识感知推荐

Xinchi Zou, Tongzhenzhi Su, Jianjun Li, Yuan Fu, Chang Liu, Zhiying Deng, Zhiwei Shen

机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件工程学院） ； Laboratory for Artificial Intelligence and New Forms of Education, Central China Normal University（中央财经大学人工智能与新教育形式实验室） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出DCGL框架，通过双通道架构、多级对比学习和动态融合机制，解决知识图谱与大语言模型结合中的隐含语义建模、单通道融合和用户行为频率考虑不足问题，实验表明其在稀疏场景中表现优异。

Comments Accepted by SIGIR 2026

Hypothesis generation and updating in large language models

在大语言模型中生成和更新假设

Hua-Dong Xiong

机构 * School of Psychological and Brain Sciences（心理与脑科学学院） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.LG

AI总结 研究大语言模型在数独游戏中生成和更新假设的机制，发现其存在系统偏差，且在评估与生成之间存在差距，但无法有效推广至未覆盖的假设领域。

What Don't You Understand? Using Large Language Models to Identify and Characterize Student Misconceptions About Challenging Topics

你有什么不明白吗？利用大型语言模型识别和表征学生在困难主题上的误解

Michael J. Parker, Maria G. Zavala-Cerna

机构 * Harvard Medical School and Division of Pulmonary, Critical Care and Sleep Medicine, Beth Israel Deaconess Medical Center（哈佛医学院和肺科、重症医学及睡眠医学部门，贝斯以色列德aconess医疗中心） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.CL

AI总结 本文通过量化分析与大型语言模型结合的方法，识别在线学习环境中学生在关键主题上的误解，揭示了通过考试题目内容、学生回答模式和课堂讲义相结合的数据分析，发现学生误解的可操作见解。

Comments 60 pages. Education and Information Technologies (2026)

A2DEPT: Large Language Model-Driven Automated Algorithm Design via Evolutionary Program Trees

A2DEPT：通过进化程序树实现的大型语言模型驱动的自动算法设计

Bin Chen, Shouliang Zhu, Beidan Liu, Yong Zhao, Tianle Pu, Huichun Li, Zhengqiu Zhu

机构 * The Institute of Intelligent Computing, University of Electronic Science and Technology of China（电子科技大学智能计算学院） ； College of Systems Engineering, National University of Defense Technology（国防科技大学系统工程学院） ； Academy of Military Medical Sciences（军事医学科学院） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出A2DEPT，通过进化程序树实现自动算法设计，突破传统固定模板限制，提升算法表达能力，实验显示在标准和高约束基准上优于现有方法。

Comments Preprint

Integrating Graphs, Large Language Models, and Agents: Reasoning and Retrieval

图、大语言模型与代理的整合：推理与检索

Hamed Jelodar, Samita Bai, Mohammad Meymani, Parisa Hamedi, Roozbeh Razavi-Far, Ali Ghorbani

机构 * Canadian Institute for Cybersecurity, Faculty of Computer Science, University of New Brunswick（加拿大网络安全研究所，计算机科学学院，新不伦瑞克大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)

AI总结 本文综述了图与大语言模型整合的设计选择，分类了基于用途、图模态和整合策略的方法，探讨了不同领域中的适用场景和优缺点。

GenOM: Ontology Matching with Description Generation and Large Language Model

GenOM：基于描述生成和大语言模型的本体匹配

Yiping Song, Jiaoyan Chen, Renate A. Schmidt

机构 * The University of Manchester（曼彻斯特大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)

AI总结 GenOM通过生成文本定义增强本体概念语义，结合嵌入模型检索对齐候选并利用精确匹配工具提升精度，实验表明其在生物医学领域表现优异，超越传统系统和近期大语言模型方法。

Comments Accepted for publication in World Wide Web (Springer). This version includes revisions based on peer review

GSI Agent: Domain Knowledge Enhancement for Large Language Models in Green Stormwater Infrastructure

GSI代理：面向绿色雨水基础设施的大语言模型领域知识增强

Shaohuang Wang

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；SFT(abstract)

AI总结 本文提出GSI代理，通过监督微调、检索增强生成和代理推理流程，提升大语言模型在绿色雨水基础设施任务中的领域知识能力，实验表明其在领域任务中的表现显著提升。

SolarGPT-QA: A Domain-Adaptive Large Language Model for Educational Question Answering in Space Weather and Heliophysics

SolarGPT-QA: 一个用于空间天气和太阳物理学教育问答的领域自适应大语言模型

Santosh Chapagain, MohammadReza EskandariNasab, Onur Vural, Shah Muhammad Hamdi, Soukaina Filali Boubrahimi

机构 * Utah State University（犹他州立大学） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；pretraining(abstract)

AI总结 SolarGPT-QA基于LLaMA-3基础模型构建，通过科学文献和大规模问答数据训练，提升空间科学教育中的问答能力，展现领域自适应在科学准确性和教育效果上的平衡。

Comments This is preliminary work towards a broader SolarGPT framework

Improving Data and Reward Design for Scientific Reasoning in Large Language Models

改进大型语言模型中的数据与奖励设计以提升科学推理能力

Zijie Chen, Zhenghao Lin, Xiao Liu, Zhenzhong Lan, Yeyun Gong, Peng Cheng

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；post-training(abstract)；SFT(abstract)

AI总结 本文提出Dr. SCI数据集和后训练流程，通过探索扩展SFT、动态难度课程和SciRubric引导RL提升大型语言模型的科学推理能力。

Evaluating Large Language Models on Solved and Unsolved Problems in Graph Theory: Implications for Computing Education

在图论中解决和未解决的问题上评估大语言模型：对计算教育的启示

Adithya Kulkarni, Mohna Chakraborty, Jay Bagga

机构 * Department of Computer Science（计算机科学系） ； Ball State University（巴尔的摩州立大学） ； School of Artificial Intelligence and Data Science（人工智能与数据科学学院） ； Jio Institute（乔研究所） 纠错

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)

AI总结 本研究评估了大语言模型在图论已解决和未解决问题上的表现，发现其在已有知识探索上有效，但在需要创新数学洞察的任务中存在局限，对计算教育有重要启示。

Georeferencing complex relative locality descriptions with large language models

利用大型语言模型进行复杂相对局部性描述的地理参考

Aneesha Fernando, Surangika Ranathunga, Kristin Stock, Raj Prasanna, Christopher B. Jones

专题命中 领域大模型 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；prompting(abstract)

AI总结 本文利用大型语言模型自动地理参考复杂局部性描述，提升生物多样性数据的准确性与效率。

Comments Provisionally accepted for publication in the International Journal of Geographical Information Science

Journal ref International Journal of Geographical Information Science (2026) 1-33